slopbuster

去 AI 化：消灭机器腔，保留人味

去除文本和代码中的 AI 生成痕迹。这不是语法润色，而是声音移植。

适用于散文、代码、提交信息、文档字符串、学术论文，以及任何被大模型碰过的内容。

工作原理

两轮审查。第一轮找出模式。第二轮找出第一轮漏掉的内容——因为去除 AI 模式本身也可能产生新的问题（毫无生气、缺乏声音的写作，和垃圾内容一样明显）。

快速开始

/slopbuster <file_or_text>                    # Auto-detect mode, standard depth
/slopbuster <file> --mode text|code|academic  # Force specific mode
/slopbuster <file> --depth quick|standard|deep
/slopbuster <file> --score-only               # Just score, don't rewrite

模式

根据文件扩展名和内容自动检测，也可以显式指定。

模式	目标	加载的规则文件
text	散文、营销文案、博客文章、文档、邮件	text-content、text-language、text-style、text-communication、text-structure
code	源文件、注释、命名、提交信息、文档字符串	code-comments、code-naming、code-commits、code-docstrings、code-quality、code-llm-tells
academic	研究论文、学位论文、摘要	academic（49 条规则，按章节区分）
auto	根据上下文检测	加载相关规则文件

深度级别

深度	处理方式	适用场景
quick	单轮处理，只处理明显模式，不评分	快速编辑、社交媒体文案
standard	完整模式扫描 + 两轮审查 + 评分 + 变更日志	任何要公开发布的内容
deep	完整扫描 + 对照作者样本校准声音 + 生成风格指南	代笔、匹配品牌声音

默认：standard

处理流程

第 1 步：诊断

阅读输入内容。根据模式加载相关规则文件。找出所有匹配的模式。为原文评分。

对于文本模式，阅读以下规则文件：

• rules/text-content.md — 夸大重要性、宣传性语言、模糊归因、公式化挑战
• rules/text-language.md — AI 词汇、回避系词、同义词轮换、虚假范围、否定式平行结构、三段式规则
• rules/text-style.md — 长破折号、粗体、行内标题列表、标题式大小写、表情符号、弯引号
• rules/text-communication.md — 聊天机器人痕迹、谄媚、免责声明、填充语、模棱两可、泛泛的结论
• rules/text-structure.md — 结构性反模式及其修正方法

对于代码模式，阅读以下规则文件：

• rules/code-comments.md — 18 种注释反模式
• rules/code-naming.md — 14 种命名反模式
• rules/code-commits.md — 10 种提交信息反模式
• rules/code-docstrings.md — 8 种文档字符串反模式
• rules/code-quality.md — 错误处理、API 设计、测试反模式
• rules/code-llm-tells.md — 14 种结构性代码痕迹

对于学术模式，阅读：

• rules/academic.md — 10 组共 49 条规则，附按章节区分的指导

对于声音和灵魂方面的指导（所有模式），阅读：

• guides/voice-and-soul.md — 如何注入个性，而不只是去除模式
• guides/style-template.md — 如果使用深度模式，请用它来构建自定义声音档案

对于评分参考，阅读：

• scoring.md — 统一评分系统

第 2 步：改写

去除模式。注入人类声音标记（节奏变化、具体细节、观点、缩略形式、主动语态）。保留含义、事实和关键论点。

第 3 步：两轮审查

问自己：“还有什么地方会让人一眼看出这是 AI 生成的？” 用简短的项目符号列出剩余的痕迹。 然后再次修改，去除这些痕迹。

这一步至关重要。去除 AI 模式却不注入灵魂，会产生毫无生气、同样容易被识别的文字——只是识别它的是另一种分类器。

第 4 步：评分并报告

为最终版本评分。生成变更日志。标出需要人工审查的内容。

输出格式

文本模式

ORIGINAL SCORE: 3.8/10 (AI-heavy)
MODE: text | DEPTH: standard

--- DRAFT REWRITE ---
[first pass rewrite]

--- WHAT'S STILL AI ABOUT THIS? ---
- [remaining tells as brief bullets]

--- FINAL VERSION ---
[second pass rewrite]

FINAL SCORE: 8.4/10 (human-like)

CHANGES MADE:
- Removed 7 hedging phrases ("It's important to note", "arguably")
- Replaced 4 corporate buzzwords ("leverage" -> "use")
- Fixed 3 robotic patterns (parallel structure overuse)
- Added 5 specific examples (replaced vague references)
- Shortened 8 sentences (>40 words -> 15-25 words)

FLAGS FOR MANUAL REVIEW:
- Paragraph 3: Still uses "various" — suggest specific companies
- Paragraph 7: Transition feels abrupt — consider adding context

FILE SAVED: example-HUMAN.md

代码模式

MODE: code | DEPTH: standard
FILES SCANNED: 3

--- CHANGES ---
src/auth.ts:
  L12: Comment "// Initialize authentication" -> deleted (tautological)
  L34: Variable `userDataObject` -> `user` (verbose compound name)
  L67: Comment "// We validate the input" -> "// Reject expired tokens — see #1234"

COMMIT MSG REWRITE:
  "Enhanced authentication flow with improved error handling"
  -> "reject expired OAuth tokens at middleware boundary"

SCORE: 4.2 -> 8.1

学术模式

MODE: academic | DEPTH: standard
FIELD: [detected or specified]
SECTION: [detected or specified]

--- DIAGNOSIS ---
- "plays a crucial role" — Group B Rule 6: significance filler
- "Moreover," — Group B Rule 5: transition padding
- "This finding suggests" — Group F Rule 25: abstract noun subject

--- REVISED TEXT ---
[revised version]

--- CHANGES ---
- [3-6 items with rationale]

SCORE: 3.5 -> 7.8

要消除的内容（模式概要）

文本：24 种核心模式

1. 夸大意义（“关键时刻”“证明了……”）
2. 堆砌知名度（不加说明地罗列媒体名称）
3. 浅层的 -ing 分析（“突出……”“展示……”“确保……”）
4. 宣传用语（“充满活力”“坐落于”“开创性”“令人叹为观止”）
5. 含糊的归因（“专家认为”“行业报告显示”）
6. 模板化的挑战描述（“尽管有 X……仍继续蓬勃发展”）
7. AI 词汇（深入探讨、织锦、格局、相互作用、促进、获得、关键）
8. 回避系动词（用“充当”代替“是”）
9. 否定式平行结构（“不只是 X，而是 Y”）
10. 三项法则（强行把所有内容都凑成三项）
11. 同义词轮换（用不同词语指代同一事物）
12. 虚假范围（没有实际尺度意义的“从 X 到 Y”）
13. 过度使用 em dash
14. 过度使用粗体
15. 行内标题式垂直列表
16. 标题中使用标题式大小写
17. 用表情符号构建结构
18. 弯引号
19. 聊天机器人惯用语（“希望这能帮到你！”“如果……请告诉我”）
20. 知识截止日期免责声明
21. 谄媚语气（“问得真好！”）
22. 填充短语（“为了”“需要注意的是”）
23. 过度使用保留语气
24. 泛泛的积极结尾（“未来一片光明”）

代码：涵盖 6 个领域的 79 种模式

• 注释：同义反复、章节标题、描述显而易见的意图、含糊的 TODO、“我们”式表述、变更日志注释、哲学性文字
• 命名：冗长的复合名称、滥用 Manager/Handler 后缀、使用 Enhanced/Advanced 前缀、process/handle 动词、回避缩写、用 result 泛指各种结果
• 提交：含糊的动词、“各种/若干”、被动语态、过去时、误导性的正文
• 文档字符串：同义反复式摘要、类型冗余、薄弱的开头、填充短语、只描述顺利路径
• 质量：宽泛地捕获异常、通用错误消息、布尔参数、巨型函数、过度依赖模拟的测试、只测试顺利路径
• LLM 特征：注释掉的替代方案、对称代码、占位符值、防御性空值检查、教程式注释

学术：49 条规则，分为 10 组

• A-J 组涵盖意义保留、删除填充内容、标点、句式、语态、深层 AI 句法、创意语法、隐喻、逻辑收束和主语多样性

会添加什么

不只是删减。良好的人性化处理也需要注入新内容。

完整指南请参阅 guides/voice-and-soul.md。简要总结：

• 多变的句子节奏——混合短句（5-10 个词）和长句（20-30 个词）
• 观点与反应——“我真的不知道该如何看待这件事”
• 具体示例——用实际名称和数据替换“许多公司”
• 缩写形式——在非正式内容中用“it's”而不是“it is”
• 主动语态——用“我们进行了测试”而不是“进行了测试”
• 坦诚的不确定性——真实的人也会有复杂的感受
• 不拘一格——过于完美的结构会显得像算法生成的；可以加入一些岔题

配置

保留模式

/slopbuster document.md --preserve-formal

保留正式语言。只去除明显的陈词滥调。目标：7+/10。适用于白皮书、案例研究和商务文档。

学术模式

/slopbuster paper.md --mode academic --field biomedical --section discussion

保留学科惯例。方法部分中的被动语态保持不变。目标：6.5+/10。

代码模式

/slopbuster src/ --mode code

扫描所有源文件。重写注释，标出命名问题，并建议修正提交消息。

语气校准（深度模式）

/slopbuster doc.md --depth deep --voice-sample author-sample.md

先分析语气样本，建立风格档案，再按照该语气改写。

评分

完整系统请参见 scoring.md。快速参考：

人类感量表（0-10）：

• 0-3： 一眼看出是 AI（多处陈词滥调、结构呆板、AI 词汇扎堆）
• 4-5： AI 痕迹较重（虽有一些人类风格，但仍需大量修改）
• 6-7： 介于两者之间（难以判断，缺少鲜明风格）
• 8-9： 接近人类写作（语气自然、模式化特征很少）
• 10： 与熟练的人类作者写作难以区分

评分分为三个等级：

• 第 1 级（每项 3 分）：AI 特有的明显痕迹——“深入探讨”“交织的图景”、阿谀奉承
• 第 2 级（每项 2 分）：企业化／正式的流行语——“协同效应”“借力”“之后再跟进”
• 第 3 级（每项 1 分）：较弱的信号——泛泛的过渡语、轻微的模棱两可、营销用语

高等级匹配项权重更高，因为它们是更强烈的 AI 信号。

来源与归属

基于对 1,000 多份 AI 与人类创作样本的分析，涵盖营销、技术、创意和学术写作。并与经过同行评审的大模型检测研究（Kobak 等，2025；Liang 等，2024；Juzek 与 Ward，COLING 2025）以及维基百科的AI 写作迹象（CC BY-SA 4.0）进行了交叉比对。

---

让 AI 生成的内容重新听起来像人类写的——无论是散文、代码还是论文。